导出 GCP 自然语言注释器的过滤子集

Posted 2023-03-29

【中文标题】导出 GCP 自然语言注释器的过滤子集

【英文标题】：Exporting a filtered subset of GCP Natural Language annotator

【发布时间】：2021-01-28 03:03:38

【问题描述】：

我正在 GCP 的自然语言 AutoML 实体提取服务上构建训练数据集。我标记了一小部分文档，我想将它们导出以进行一些初步的探索性数据分析。我可以添加一个过滤器来显示“已标记”文档，但如果我尝试导出，它会导出我的所有文档。

有没有办法只导出符合过滤条件的那些？通过 Python API 也可以。

【参考方案1】：

确实，AutoML 控制台中的导出数据链接将始终导出完整的数据集。没有仅导出所选项目的选项，但是，有一个删除所选项目的选项。 为了完成您的任务，我建议的一种解决方法是删除“不需要的”项目。让我解释一下。

我建议您执行以下步骤。

导出完整的数据集（这样您就不会从生产数据集中删除任何内容）。 通过导入步骤 1 中的完整数据集，在您的 AutoML 项目中创建一个新数据集。 过滤未标记的文档。 全选并删除（这样做会删除副本数据集中未标记的数据）。

这样，您的新数据集将仅包含标记的文档，您可以执行导出数据并将结果集用于您的 EDA。

最好的问候！